LLM Sıcaklığı ve En İyisi Açıklandı: Yapay Zeka Modelleri Bir Sonraki Sözcüğü Nasıl Seçiyor?

  1. Ana sayfa
  2. Blog
  3. Yapay Zeka

Yapay Zeka

Yüksek Lisans Derecesi ve En İyi Puan Açıklaması: Yapay Zeka Modelleri Bir Sonraki Sözcüklerini Nasıl Seçiyor?

Sıcaklık ve üst düzey, bir yapay zeka modelinin yanıtlarının ne kadar öngörülebilir veya çeşitli olduğuna karar veren iki ayardır. Arkasındaki matematiği bir oyuncak örneğiyle simüle ettik, böylece her ayarın modelin seçimlerine ne yaptığını tam olarak görebilirsiniz.

10 dk okuma
LLM sıcaklığı ve en yüksek puan açıklandı: Yapay zeka modellerinin bir sonraki kelimeyi nasıl seçtiği

Önemli noktalar

  • Bir model, her olası sonraki jeton için bir olasılık üretir ve ardından birini örnekler.
  • Sıcaklık bu olasılıkları yeniden şekillendirir: düşük değerler onları keskinleştirir, yüksek değerler ise düzleştirir.
  • Top-p yalnızca birlikte bir olasılık eşiğine ulaşan en muhtemel jetonları tutar.
  • Çıkarma ve kodlama için düşük sıcaklık, sohbet için orta sıcaklık kullanın ve her seferinde bir ayarı değiştirin.

Bir yapay zeka modeline aynı soruyu iki kez sorarsanız iki farklı yanıt alabilirsiniz. Bir faturadan tarih çıkarmasını isteyin ve her seferinde aynı cevabı istiyorsunuz. On slogan fikri isteyin ve çeşitlilik istiyorsunuz. Bu dengelemeyi kontrol eden ayarlar sıcaklık ve top-p‘dir ve bunlar herhangi bir AI API’sinde en yanlış anlaşılan seçenekler arasındadır.

Ticari bir modelin dahili olasılıklarını inceleyemedik, bu nedenle dört aday kelime için hazırlanmış puanlar kullanarak standart örnekleme matematiğinin küçük bir Python simülasyonunu oluşturduk. Aşağıdaki sayıların tümü bu simülasyondan alınmıştır. Gerçek modeller on binlerce jeton arasından seçim yapar ve sağlayıcılar ayrıntıları farklı şekilde uygulayabilir ancak davranış prensipte aynıdır.

Bir model sonraki kelimeyi nasıl seçer?

Her adımda, büyük bir dil modeli, sözlüğündeki her simge için logit adı verilen bir puan üretir. Softmax adı verilen bir işlev, bu puanları toplamı 1 olan olasılıklara dönüştürür. Daha sonra model, bu olasılıklara göre bir jetonu örnekler, onu metne ekler ve tekrar eder. Sıcaklık ve üst-p, örnekleme adımından önceki olasılıkları değiştirir.

Oyuncak örneğimiz

“Fransa’nın başkenti” istemini hayal edin. Dört adaya sonraki kelimelere şu puanları verdik:

logits = {"Paris": 5.0, "Lyon": 3.0, "London": 2.5, "banana": 0.0}

Paris açıkça tercih ediliyor, Lyon ve Londra akla yatkın görünen hatalar, muz ise saçmalık. Gerçek bir model, binlerce diğer tokena da bir miktar olasılık atayacaktır.

Sıcaklık: bileme veya düzleştirme

Softmax uygulanmadan önce sıcaklık her puanı böler. Küçük bir sayıya bölmek puanlar arasındaki farkları abartır; büyük bir sayıya bölmek onları küçültür. Simülasyonumuzun ürettiği olasılıklar şunlardır:

Sıcaklık Paris Lyon Londra muz
0.2 1.000 0.000 0.000 0.000
0.7 0.921 0.053 0.026 0.001
1.0 0.817 0.111 0.067 0.006
1.5 0.672 0.177 0.127 0.024
2.0 0.576 0.212 0.165 0.047

1.0’da modelin kendi dağılımı değişmeden kullanılır. 0,2’de Paris aslında tüm olasılığı elde ediyor. 2,0’da Paris %58’e düşüyor ve muz bile neredeyse %5’e çıkıyor. Sıcaklık derin anlamda bilgi veya yaratıcılık katmaz. Bu yalnızca modelin daha az muhtemel seçenekleri seçme konusundaki istekliliğini değiştirir; bu da daha yeni ifadeler veya sadece daha fazla hata anlamına gelebilir.

Örnekleme neye benziyor

Olasılıklar soyut olduğundan sabit rastgele bir tohum kullanarak üç sıcaklıkta 1000 örnek aldık:

T=0.2  {'Paris': 1000, 'Lyon': 0,   'London': 0,   'banana': 0}
T=1.0  {'Paris': 810,  'Lyon': 117, 'London': 70,  'banana': 3}
T=2.0  {'Paris': 607,  'Lyon': 202, 'London': 146, 'banana': 45}

Sıcaklık 2,0 olduğunda, yaklaşık 10 yanıttan 4’ü yanlış şehri adlandırdı ve 1.000 yanıttan 45’i “muz” dedi. Şimdi gerçek bir cevabın yüzlerce jeton uzunluğunda olduğunu unutmayın. Her adımda küçük bir garip seçim şansı artar ve cümlenin başındaki kötü bir belirteç, cevabın geri kalanını yanlış yöne gönderebilir. Bu, yüksek sıcaklıkların halüsinasyonları daha olası hale getirmesinin nedenlerinden biridir.

Sıcaklık 0 ve determinizm

0 sıcaklığında, matematik sıfıra bölünür, bu nedenle API’ler bunu açgözlü kod çözme adı verilen “her zaman en olası jetonu seç” olarak ele alır. Bu, çıktıyı çok daha tekrarlanabilir hale getirir, ancak pratikte her seferinde tamamen aynı değildir. Barındırılan modeller, sağlayıcının donanımında hesaplamaların toplu ve paralel hale getirilmesi ve modellerin zaman içinde güncellenmesi nedeniyle biraz farklılık gösterebilir. Bazı API’ler daha iyi tekrarlanabilirlik için bir çekirdek parametresi sunar. Sıcaklık 0’ı bir garanti olarak değil, “son derece tutarlı” olarak değerlendirin.

İpucu: Açgözlü kod çözme, gerçeklere dayanan görevler için bile her zaman en iyi yöntem değildir. Uzun çıktılarda tekrarlanan cümlelerde takılıp kalabilir. Uzun biçimli metinler için, 0,2 ila 0,4 gibi düşük ancak sıfır olmayan bir sıcaklık genellikle odaklanmayı sürdürürken daha doğal bir şekilde okunur.

Top-p (çekirdek örneklemesi)

Top-p farklı bir yaklaşım benimsiyor. Belirteçleri en olasıdan en az olasıya doğru sıralar, olasılıkları toplamı en az p olan en küçük grubu tutar, geri kalanını atar ve yeniden normalleştirir. Sıcaklık-1,0 olasılıklarımıza uygulandığında:

top_p=0.5   {'Paris': 1.0}
top_p=0.9   {'Paris': 0.881, 'Lyon': 0.119}
top_p=0.99  {'Paris': 0.821, 'Lyon': 0.111, 'London': 0.067}

0,5’te Paris tek başına olasılığın yarısından fazlasını kapsıyordu, dolayısıyla tek seçenek buydu. 0.9’da Lyon katıldı. 0.99’da bile muz kesildi. Top-p’nin gücü budur: duruma uyum sağlarken saçmalığa neden olan olası olmayan tokenların uzun kuyruğunu ortadan kaldırır. Model kendinden emin olduğunda çok az token hayatta kalır; birçok devam makul olduğunda, daha fazlası hayatta kalır.

Üst-k ve min-p

  • Top-k, olasılıklarına bakılmaksızın 40 gibi en muhtemel jetonlardan sabit sayıda tutar. Basit ama uyum sağlayamıyor: Model emin olduğunda 40 çok fazla, emin olmadığında ise çok az olabilir.
  • Min-p, olasılığı en üstteki jetonun olasılığının en az bir kısmı olan jetonları tutar. Açık kaynaklı model araçlarında popülerdir ve araştırmalar daha yeni olmasına rağmen yüksek sıcaklıklarda iyi çalıştığı iddia edilmektedir.

Her API her seçeneği göstermez. Hangi parametrelerin mevcut olduğu ve bunların varsayılan değerlerinin neler olduğu konusunda sağlayıcınızın belgelerine bakın.

Sıcaklık ve üst-p’nin birlikte kullanılması

Her iki ayar da aynı dağılımı şekillendirir; bu nedenle her ikisinin de aynı anda değiştirilmesi davranışın tahmin edilmesini zorlaştırır. Birçok sağlayıcı, birini ayarlamanızı ve diğerini varsayılan değerde bırakmanızı önerir. Mantıklı davranmak daha kolay olduğundan, ilk olarak sıcaklığı ayarlamak mantıklı bir yaklaşımdır ve yalnızca nadir görülen tuhaflıkları daha yüksek bir sıcaklıkta kesmeniz gerekiyorsa en üst seviyeye ulaşmak gerekir.

Göreve göre önerilen ayarlar

Görev Sıcaklık neden
Veri çıkarma, sınıflandırma 0 ila 0,2 Tek doğru cevap; tutarlılık önemlidir
Kod oluşturma 0 ila 0,3 Küçük sapmalar kodu bozar
Kaynaklarla soru cevaplama 0,1 ila 0,4 Sağlanan metne yakın durun
Genel sohbet, özetler 0,5 ila 0,8 Makul odaklı doğal ton
Beyin fırtınası, yaratıcı yazma 0,8 ila 1,2 Amaç çeşitliliktir

Bunlar kurallardan değil, genel uygulamalardan alınan başlangıç noktalarıdır. Model aileleri farklıdır, varsayılanlar sağlayıcıya göre farklılık gösterir ve bazı yeni akıl yürütme modelleri bu ayarları düzeltir veya tamamen yok sayar. Kendi istemlerinizle test edin. Hızlı mühendislik kılavuzumuzda yer alan net talimatlar genellikle bu sayılara ince ayar yapmaktan daha önemlidir.

Ortak mitler

  • “Daha yüksek sıcaklık, modeli daha akıllı veya daha yaratıcı hale getirir.” Yalnızca daha az olası tokenların daha olası olmasını sağlar. Bazen bu hoş bir çeşitliliktir; çoğu zaman sadece gürültüdür.
  • “Sıcaklık 0, cevabın doğru olduğu anlamına gelir.” En olası cevap anlamına gelir. Model kesinlikle yanlışsa, sıcaklık 0 onu sürekli olarak yanlış yapar.
  • “Sıcaklık, uzunluğu kontrol eder.” Uzunluk, sıcaklığa göre değil, istem ve maksimum jeton ayarına göre kontrol edilir.
  • “Düşük her zaman daha güvenlidir.” Çok düşük ayarlar, uzun çıktılarda tekrarlanan veya çarpık metinlere neden olabilir.

Yapay zeka özelliklerini test etme

Örnekleme, AI özelliklerini belirleyici olmaktan çıkarır ve bu da onları test etme şeklinizi değiştirir:

  • Her test senaryosunu birkaç kez çalıştırın ve tek bir çalıştırmaya güvenmek yerine geçiş oranını ölçün.
  • Tam dizeleri değil özellikleri kontrol edin: geçerli JSON, gerekli alanlar mevcut, kaynakla eşleşen sayılar, yasaklı içerik yok. Bu, özellik tabanlı test ile aynı fikirdir.
  • Üretimi eşleştirmek için testlerdeki sıcaklığı sabitleyin ve bunu sonuçlarla birlikte kaydedin.
  • Modeli, istemi veya örnekleme ayarlarını değiştirdiğinizde değerlendirme setinizi yeniden çalıştırın.

Bunu bir API çağrısında ayarlama

Çoğu sohbet API’si bu ayarları istek gövdesindeki alanlar olarak kabul eder. Tipik bir çıkarma görevi isteği şuna benzer (bu makale için çalıştırılmayan bir çizimdir ve alan adları sağlayıcıya göre değişir):

{
  "model": "your-model-name",
  "temperature": 0.1,
  "max_tokens": 300,
  "messages": [
    {"role": "user", "content": "Extract the invoice date and total as JSON: ..."}
  ]
}

Bu değerleri kodlara dağılmış halde değil, konfigürasyonda tutun ve bunları her istekte model adının yanında günlüğe kaydedin. Bir yanıt haftalar sonra garip göründüğünde, onu oluşturan ayarların tam olarak bilinmesi birçok tahminde bulunulmasını önler. Bir modelden birden fazla özellik sunuyorsanız, her özelliğe kendi ayarlarını verin: özetleyici ve kod asistanı nadiren aynı sıcaklığı ister.

Son sözler

Sıcaklık ve tepe noktası modelin bildiklerini değiştirmez; bir sonraki jetonu seçerken işin ne kadar maceralı olduğunu değiştiriyorlar. Oyuncak simülasyonumuz sıcaklığın Paris’i kesinden %58’e çıkardığını ve saçma sapan kuyruğun tepeden tırnağa kesildiğini gösterdi. Tek doğru cevabı olan görevler için düşükten başlayın, yalnızca çeşitlilik istediğinizde sıcaklığı artırın, her seferinde bir ayar yapın ve tekrarlanan çalıştırmalarla test edin.

Sık sorulan sorular

Yüksek Lisansta sıcaklık ne işe yarar?

Örnekleme öncesinde modelin olasılıklarını yeniden ölçeklendirir. Düşük sıcaklık, en olası tokenın hakim olmasını sağlar; Yüksek sıcaklık, olasılığı daha az olası tokenlara yayarak çeşitliliği ve riski artırır.

Üst düzey örnekleme nedir?

Top-p, birleşik olasılığı p’ye ulaşan (örneğin 0,9) en olası tokenların en küçük kümesini ve yalnızca bunlardan örnekleri tutar. Beklenmedik kuyruğu ortadan kaldırır.

Sıcaklık 0 her seferinde aynı cevabı mı veriyor?

Genellikle çok benzer yanıtlar vardır, ancak garanti edilmez. Barındırılan modeller, çalışma şekli nedeniyle biraz farklılık gösterebilir ve modeller zaman içinde güncellenir.

Sıcaklığı ve üst-p’yi birlikte mi değiştirmeliyim?

Genellikle hayır. Her ikisi de aynı dağıtımı yeniden şekillendiriyor; pek çok sağlayıcı birinin ayarlanmasını ve diğerinin varsayılan değerde bırakılmasını öneriyor.

Kod için hangi sıcaklığı kullanmalıyım?

Küçük rastgele sapmalar kodu bozabileceğinden genellikle 0 ile 0,3 arasında düşük bir değer. Ayardan bağımsız olarak oluşturulan kodu her zaman test edin.

Öğrenmeye devam et

Stack Quora ile çalışın

Test, WordPress veya SEO konusunda yardıma mı ihtiyacınız var?

Ekiplerin daha iyi yazılımlar sunmasına ve sitelerini büyütmesine yardımcı oluyoruz. Bize ne üzerinde çalıştığınızı söyleyin, biz de bir sonraki adım için net bir öneride bulunalım.

Okumaya devam et

Daha fazla kılavuz test, yapay zeka ve modern geliştirme

Bu makaleyi beğendiniz mi? Bir konu seçin ve doğrudan en yeni eğitimlerimize geçin.

Yapay zekâ

Açıklanan RAG Parçalama Stratejileri: Sabit, Örtüşme, Cümle, Yinelemeli ve Başlıklar, Ölçülen

RAG parçalama stratejileri, Tiktoken 0.14 ile tek bir belgede karşılaştırıldı: sabit boyut, örtüşme, cümle paketleme, özyinelemeli bölme ve başlık t…

Makaleyi okuyun →
Yazılım geliştirme

API Idempotency Açıklaması: Idempotency Anahtarları ve Güvenli Yeniden Denemeler, Test Edildi

API uyumsuzluğu, çalıştırdığımız bir Python sunucusu ve istemcisiyle açıklandı: Kayıp bir yanıt, anahtar olmadan çift ücretlendirmeye ve tek anahtar…

Makaleyi okuyun →
DevOps

Git Stash Açıklaması: Kaydet, Uygula, Aç ve Takip Edilmeyen Dosyalar, Test Edildi

Git stash, Git 2.56'da çalıştırdığımız komutlarla açıklandı: bir mesajla itin, izlenmeyen dosyalar, listele ve göster, pop vs. uygula, dizini koruma…

Makaleyi okuyun →
Yazılım testi

İkili Test Açıklandı: Tüm Çiftler 216 Testi Nasıl 13'e Düşürdü, Test Edildi

İkili test, Python 3.13'te çalıştırdığımız bir oluşturucuyla açıklandı: 13 testin kapsadığı 216 kombinasyondan oluşan bir kontrol, doğrulanmış kapsa…

Makaleyi okuyun →
Test otomasyonu

Test Çiftleri Açıklaması: Test Edilmiş Python Koduyla Sahte, Saplama, Casus, Sahte ve Sahte

Test çiftleri, pytest 9.2'de çalıştırılan bir Python örneğiyle açıklanmıştır: kukla, saplama, casus, sahte ve sahte, her birinin ne zaman kullanılac…

Makaleyi okuyun →
Veritabanları ve SQL

SQL COALESCE Açıklaması: Varsayılanlar, NULLIF, IFNULL vs ISNULL ve Tuzaklar, Test Edildi

SQL COALESCE, SQLite 3.50'de çalıştırdığımız sorgularla açıklandı: ilk boş olmayan değerler, boş dizeler, matematikte NULL, sıfıra bölme için NULLIF…

Makaleyi okuyun →
Veritabanları ve SQL

SQL Kendi Kendine Birleştirme Açıklaması: Çalışan-Yönetici, Çiftler ve Sıra Karşılaştırmaları, Test Edildi

SQL kendi kendine birleştirme, SQLite 3.50'de yürüttüğümüz sorgularla açıklanmıştır: çalışan ve yönetici, yöneticiden daha fazla kazanç, benzersiz ç…

Makaleyi okuyun →
Yazılım geliştirme

JavaScript Spread Operatörü Açıklaması: Spread vs Rest, Kopyalar ve Yakalamalar, Test Edildi

JavaScript yayılma operatörü, Düğüm 24'te çalıştırdığımız kodla açıklandı: diziler, nesneler, sığ kopyalar, dinlenme parametreleri, Math.max limiti …

Makaleyi okuyun →
Yazılım geliştirme

Python Koleksiyonları Modülünün Açıklaması: Counter, defaultdict, deque ve Daha Fazlası, Test Edildi

Python koleksiyonları, Python 3.13'te çalıştırdığımız kodla açıklanmıştır: Counter, defaultdict, deque, nametuple, OrderedDict ve ChainMap, artı bir…

Makaleyi okuyun →
Yapay zekâ

Yüksek Lisans Bağlam Penceresi Açıklandı: Tokenlar, Limitler ve Daha Fazlası Nasıl Sığdırılır, Ölçülmüştür

LLM bağlam penceresi, tiktoken kullanarak ölçtüğümüz jeton sayımlarıyla açıklandı: düz yazı, kod ve Hintçe için kelimeler ve jetonlar, giriş ve çıkı…

Makaleyi okuyun →
Yazılım geliştirme

Web Kancaları Açıklandı: Nasıl Çalışırlar ve Güvenli Bir Şekilde Nasıl Alınırlar?

Web kancaları, Python'da çalıştırdığımız bir alıcı ve göndericiyle açıkladı: push ve yoklama, HMAC-SHA256 imzaları, üzerinde oynanmış ve tekrar oyna…

Makaleyi okuyun →
DevOps

Git Cherry-Pick Açıklaması: İhtiyacınız Olan Taahhüdü Kopyalayın, Güvenle, Test Edildi

Git Cherry-Pick, Git 2.56'da çalıştırdığımız komutlarla açıkladı: bir düzeltmeyi bir yayın dalına kopyalamak, yeni karmalar ve yama kimlikleri, -x, …

Makaleyi okuyun →
Test otomasyonu

Anlık Görüntü Testinin Açıklaması: Nasıl Çalışır, Ne Zaman Yardımcı Olur ve Ne Zaman Acıtır

Anlık görüntü testi, yürüttüğümüz bir pytest ve şuruplu demo ile açıklandı: anlık görüntüler oluşturma, kod değişikliğinden sonra farkı okuma, zaman…

Makaleyi okuyun →
Yazılım testi

Mutasyon Testi Açıklandı: %100 Kapsam Neden Hala Hatamızı Gözden Kaçırdı

Mutasyon testi, oluşturduğumuz ve çalıştırdığımız küçük bir mutasyon aracıyla açıklandı: 14 mutant, %79 puan alan %100 çizgi kapsamına sahip bir tes…

Makaleyi okuyun →
Yapay zekâ

İstemi Enjeksiyonun Açıklaması: Yapay Zeka Uygulamaları Nasıl Kandırılıyor ve Bunları Nasıl Savunabilirsiniz?

Geliştiriciler için hızlı ekleme açıklandı: doğrudan ve dolaylı saldırılar, anahtar kelime filtrelerinin neden başarısız olduğu (testimiz 4'ten 1'in…

Makaleyi okuyun →
DevOps

Açıklanan DNS Kayıtları: Gerçek Aramalarla A, AAAA, CNAME, MX, TXT ve TTL

DNS kayıtları yaptığımız aramalarla açıklandı: çözünürlüğün nasıl çalıştığı, A ve AAAA, CNAME kuralları, MX ve boş MX, SPF ve doğrulama için TXT, NS…

Makaleyi okuyun →
DevOps

Özellik Bayraklarının Açıklaması: Güvenli Sürümler, Kademeli Kullanıma Sunmalar ve Bayrak Hijyeni

Çalıştırdığımız bir kullanıma sunma simülasyonuyla açıklanan özellik bayrakları: bayrak türleri, kararlı karma ile kullanıma sunma yüzdesi, kill ana…

Makaleyi okuyun →
Test otomasyonu

Python Faker ile Test Verisi Üretimi: Gerçekçi, Tekrarlanabilir ve Güvenli Veri

Python Faker ile veri oluşturmayı test edin, çalıştırın ve ölçün: tekrarlanabilir veriler, yerel ayarlar, benzersiz değerler, etki alanı şeklindeki …

Makaleyi okuyun →
Yazılım testi

Shift-Sol Testinin Açıklaması: Ekibi Yavaşlatmadan Hataları Daha Erken Bulun

Sola kaydırma testi açıklandı: ne anlama geliyor, erken kusurların neden daha ucuz olduğu, gereksinim incelemelerinden CI kontrollerine kadar uygula…

Makaleyi okuyun →
Veritabanları ve SQL

Açıklanan SQL Dizisi İşlevleri: TRIM, SUBSTR, REPLACE, CONCAT ve Veri Temizleme

Çalıştırdığımız sorgularla açıklanan SQL dize işlevleri: birleştirme ve NULL, TRIM, UPPER ve LOWER, SUBSTR ve INSTR, REPLACE, dolgulama, Unicode uzu…

Makaleyi okuyun →
Veritabanları ve SQL

SQL Tetikleyicilerinin Açıklaması: ÖNCE ve SONRA Tetikleyiciler, Denetim Günlükleri ve Tuzaklar

SQL tetikleyicileri, çalıştırdığımız tetikleyicilerle açıklandı: ÖNCE ve SONRA, ESKİ ve YENİ, denetim günlükleri, doğrulama, stok güncellemeleri, NE…

Makaleyi okuyun →
Yazılım geliştirme

Python JSON Modülünün Açıklaması: dökümler, yüklemeler, Özel Türler ve Yaygın Hatalar

Python JSON modülü çalıştırdığımız kodla açıkladı: dökümler ve yüklemeler, dosyalar, tür dönüşümleri, tarihler ve ondalık sayılar, özel kodlayıcılar…

Makaleyi okuyun →
Yazılım geliştirme

ES Modülleri ve CommonJS Karşılaştırması: Node.js'de JavaScript İçe Aktarmaları Nasıl Çalışır, Test Edildi

ES modülleri ve CommonJS karşılaştırması, Node.js'de çalıştırdığımız kodla açıklanmıştır: içe ve dışa aktarma sözdizimi, gereksinim, canlı bağlamala…

Makaleyi okuyun →
Yazılım geliştirme

Python Regex'in Açıklaması: Desenler, Gruplar, Öncüler ve Tuzaklar, Test Edildi

Python regex'i çalıştırdığımız kalıplarla açıklandı: arama vs eşleşme, tümünü bulma, gruplar ve adlandırılmış gruplar, açgözlü vs tembel, alt, önden…

Makaleyi okuyun →
Yapay zekâ

Yüksek Lisans Yapılandırılmış Çıktı Açıklaması: Yapay Zeka Modellerinden Güvenilir JSON Alma

LLM yapılandırılmış çıktısı, Pydantic'te çalıştırdığımız doğrulamayla açıklandı: JSON modu ve şemaları, kısıtlı kod çözme, model çıktısının kırılma …

Makaleyi okuyun →
DevOps

SSH Anahtarlarının Açıklaması: Nasıl Çalışırlar, ssh-keygen, Ed25519 ve Güvenli Alışkanlıklar

SSH anahtarları, oluşturduğumuz anahtarlarla açıklanmıştır: genel ve özel anahtarlar, ssh-keygen, Ed25519 ve RSA, parmak izleri, parolalar, ssh-agen…

Makaleyi okuyun →
DevOps

HTTP Önbelleğe Alma Açıklaması: Canlı Testle Önbellek Kontrolü, ETag ve 304 Yanıtları

HTTP önbelleğe alma, çalıştırdığımız küçük bir sunucuyla açıklandı: Önbellek Kontrolü yönergeleri, maksimum yaş, önbellek yok ve depo yok, ETag yeni…

Makaleyi okuyun →
Test otomasyonu

API Sözleşme Testi Açıklaması: Son Dakika Değişikliklerini Gönderilmeden Önce Yakalayın

API sözleşme testi, yürüttüğümüz bir şema kontrolüyle açıklandı: sözleşmenin ne olduğu, tüketici odaklı sözleşmeler, Pakt, OpenAPI, son tüketicileri…

Makaleyi okuyun →
Yazılım testi

Risk Tabanlı Test Açıklaması: Riskleri Puanlayın, Bir Matris Oluşturun ve Neyin Önemli Olduğunu Test Edin

Riske dayalı testler adım adım açıklanmıştır: risklerin belirlenmesi, olasılık ve etkinin puanlanması, bir risk matrisi oluşturulması, riskin test d…

Makaleyi okuyun →
Veritabanları ve SQL

Açıklanan SQL Kısıtlamaları: NULL DEĞİL, BENZERSİZ, KONTROL ve YABANCI ANAHTAR, Test Edildi

SQL kısıtlamaları yaptığımız testlerle açıklandı: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY ve FOREIGN KEY, NULL boşlukları, SQLite'ın yabancı anaht…

Makaleyi okuyun →
Veritabanları ve SQL

Açıklanan SQL Tarih İşlevleri: Tarihleri Hatasız Ekleme, Karşılaştırma ve Gruplandırma

Çalıştırdığımız sorgularla açıklanan SQL tarih işlevleri: aralık ekleme, ay sonu sürprizleri, tarih farklılıkları, BETWEEN tuzağı, güne göre gruplam…

Makaleyi okuyun →
Yazılım geliştirme

Python asyncio'nun Açıklaması: eşzamansız, bekleme, toplama ve Gerçek Zamanlamalı Görev Grubu

Python asyncio, zamanladığımız kodla açıkladı: eşyordamlar, bekleme, toplama, GörevGroup, hata işleme, zaman aşımları, eşzamanlılığın sınırlandırılm…

Makaleyi okuyun →
Yazılım geliştirme

JavaScript'te Debounce ve Throttle: Nasıl Çalışır, Her Biri Ne Zaman Kullanılır, Test Edildi

JavaScript'te geri çekilme ve kısma, Node.js'de ölçtüğümüz zamanlamalarla açıklanmıştır: her birinin nasıl çalıştığı, basit uygulamalar, öncü ve son…

Makaleyi okuyun →
Yazılım geliştirme

Python Bağlam Yöneticilerinin Açıklaması: with Statement, contextlib ve Gerçek Kullanımlar

Python içerik yöneticileri çalıştırdığımız kodla açıkladı: nasıl çalışır, __enter__ ve __exit__, contextlib.contextmanager, bastırma, ExitStack, ver…

Makaleyi okuyun →
Yapay zekâ

LLM Sıcaklığı ve En İyisi Açıklandı: Yapay Zeka Modelleri Bir Sonraki Sözcüğü Nasıl Seçiyor?

LLM sıcaklığı ve en yüksek puan, yürüttüğümüz bir simülasyonla açıklandı: olasılıklar nasıl yeniden şekillendirilir, en üst düzey neleri korur, göre…

Makaleyi okuyun →
DevOps

YAML Açıklandı: Sözdizimi, Norveç Sorunu ve Test Ettiğimiz Diğer Tuzaklar

YAML bir ayrıştırıcı testiyle açıklandı: temel sözdizimi, listeler ve haritalar, Norveç sorunu, değişkenlere dönüşen sürümler, sekizli posta kodları…

Makaleyi okuyun →
DevOps

Cron İşleri Açıklandı: Sözdizimi, Gerçek Programlar ve Bunları Bozan Hatalar

Cron işleri, doğruladığımız programlarla açıklandı: beş alan, operatörler, gerçek örnekler, ayın günü VEYA haftanın günü tuzağı, çevre sorunları, ka…

Makaleyi okuyun →
Yapay zekâ

Yapay Zeka Halüsinasyonları Açıklandı: Dil Modelleri Neden İşleri Düzeltiyor ve Nasıl Azaltılabilir?

Yapay zeka halüsinasyonları açıkladı: ne olduklarını, dil modellerinin bunları neden ürettiğini, yaygın türlerini, temellendirme ve yönlendirmelerle…

Makaleyi okuyun →
DevOps

Açıklanan Ortam Değişkenleri: .env Dosyaları, Sırlar ve Yapılandırma Doğru Yapıldı

Çalıştırdığımız Python örnekleriyle açıklanan ortam değişkenleri: bunları okumak ve ayarlamak, neden her değerin bir dize olduğu, .env dosyaları, sü…

Makaleyi okuyun →
Yazılım geliştirme

API Hız Sınırlamasının Açıklaması: Algoritmalar, Başlıklar ve 429 Hatalarının Ele Alınması

API hızı sınırlaması, çalıştırdığımız bir simülasyonla açıklanmıştır: belirteç kümesi, sabit pencere, kayan pencere, 429 yanıt, hız sınırı başlıklar…

Makaleyi okuyun →
Test otomasyonu

Python'da alay etme: Unittest.mock, patch ve Testleri Yalan Yapan Hatalar

Unittest.mock ile Python'da alay etme, test edildi: Sahte ve dönüş_değeri, yan_etki, bir adın kullanıldığı yerde yama uygulama, spesifikasyon ve oto…

Makaleyi okuyun →
Yazılım testi

Kod Kapsamının Açıklaması: Hat ve Şube Kapsamı ve %100'ün Gerçek Anlamı

Kod kapsamı gerçek bir kapsama.py çalışmasıyla açıklanmıştır: hat, şube ve durum kapsamı, bir raporun okunması, %100 kapsamın neden hâlâ hataları ka…

Makaleyi okuyun →
Veritabanları ve SQL

SQL'de DELETE vs TRUNCATE vs DROP: Farklılıklar, Geri Alma ve Her Biri Ne Zaman Kullanılmalı

DELETE vs TRUNCATE vs DROP test edilmiş SQL ile açıklandı: her birinin neyi kaldırdığı, geri aldığı, tetiklediği, kimlik sıfırlaması, hızı ve Postgr…

Makaleyi okuyun →
Veritabanları ve SQL

Açıklanan SQL Görünümleri: Örneklerle Tuzakları Oluşturun, Kullanın ve Önleyin

Çalıştırdığımız sorgularla açıklanan SQL görünümleri: görünüm oluşturma, canlı sonuçlar, sütunları gizleme, performans, güncellenebilir ve gerçekleş…

Makaleyi okuyun →
Yazılım geliştirme

TypeScript Arayüzü ve Tür: Gerçek Farklılıklar, Derleyiciyle Test Edildi

TypeScript arayüzü ve türü, gerçek derleyiciyle kontrol edildi: her ikisinin de yapabileceği, yalnızca birinin yapabileceği, bildirim birleştirme, g…

Makaleyi okuyun →
Yazılım geliştirme

Python *args ve **kwargs'ın Açıklaması: Açık Örneklerle Esnek Fonksiyonlar

Python *args ve **kwargs çalıştırdığımız kodla açıklanmıştır: paketleme ve paketten çıkarma, parametre sırası, yalnızca anahtar kelime ve yalnızca k…

Makaleyi okuyun →
Yazılım geliştirme

Python Lambda İşlevleri: Söz Dizimi, Gerçek Kullanımlar ve Ne Zaman Kullanılmaması Gerektiği

Çalıştırdığımız kodla açıklanan Python lambda işlevleri: sözdizimi, anahtarla sıralama, harita ve filtre, kapatmalar, geç bağlama tuzağı ve normal b…

Makaleyi okuyun →
Yapay zekâ

Yapay Zeka Ajanları Nelerdir? Çalıştırabileceğiniz Basit Bir Aracı Döngüsüyle Nasıl Çalışırlar?

Yapay zeka ajanları nedir? Aracı döngüsüne, araçlara, belleğe ve korkuluklara ilişkin basit bir kılavuz, çalıştırdığımız küçük bir Python döngüsü, g…

Makaleyi okuyun →
DevOps

İzleme ve Gözlemlenebilirlik: Günlükler, Metrikler ve İzlerle Gerçek Fark

İzleme ve gözlemlenebilirliğin açıklanması: bilinen ve bilinmeyen arızalar, günlükler, ölçümler ve izler, ödeme olayının gözden geçirilmesi, altın s…

Makaleyi okuyun →
DevOps

Docker Birimleri ve Bağlama Bağlantıları: Konteyner Verilerini Doğru Şekilde Kalıcılaştırın

Docker birimleri ile bağlama bağlamaları arasındaki karşılaştırma açıklandı: kapsayıcı verilerinin neden kaybolduğu, adlandırılmış birimler, bağlama…

Makaleyi okuyun →
Test otomasyonu

TDD ve BDD: Temel Farklılıklar, Her İki Şekilde Geliştirilmiş Bir Özellik ve Her Birinin Ne Zaman Kullanılacağı

TDD ve BDD, her iki yönde de oluşturulmuş bir indirim özelliğiyle açıklandı: çalıştırdığımız kodla kırmızı-yeşil-refactor, Verilen-Ne Zaman-O Zaman …

Makaleyi okuyun →
Yazılım testi

Kullanıcı Kabul Testi (UAT): Süreç, Kontrol Listesi ve Gerçek Örnekler

Kullanıcı kabul testi açıklandı: bunu kimin yürüttüğü, QA'dan farkı, yedi adımlı bir süreç, bir UAT test senaryosu şablonu, bir kontrol listesi, otu…

Makaleyi okuyun →
Veritabanları ve SQL

Açıklanan SQL NULL Değerleri: IS NULL, COALESCE, NULLIF ve Kaçınılması Gereken Tuzaklar

SQL NULL değerleri, çalıştırdığımız sorgularla açıklandı: üç değerli mantık, IS NULL, COALESCE, NULLIF, toplamaların, birleştirmelerin ve sıralamanı…

Makaleyi okuyun →
Veritabanları ve SQL

SQL CASE WHEN İfadesi: Sözdizimi, Gerçek Örnekler ve Yaygın Hatalar

SQL CASE WHEN çalıştırdığımız sorgularla açıkladı: basit ve aranmış formlar, koşul sırası, SUM'lu pivotlar, COUNT hileleri, özel sıralama, güncellem…

Makaleyi okuyun →
Yazılım geliştirme

JWT Nedir? JSON Web Belirteçleri Bir Çalışma Örneğiyle Açıklanıyor

JWT nedir? JSON Web Tokens açıkladı: üç bölüm, çalıştırdığımız kodda oluşturulan ve üzerinde değişiklik yapılan bir token, JWT ile oturumlar, depola…

Makaleyi okuyun →
Yazılım geliştirme

JavaScript Olay Döngüsü Açıklaması: Örneklerle Çağrı Yığını, Mikro Görevler ve Zamanlayıcılar

JavaScript olay döngüsü çalıştırdığımız kodla açıklandı: çağrı yığını, görev ve mikro görev kuyrukları, setTimeout 0'ın neden anında olmadığı, engel…

Makaleyi okuyun →
Yazılım geliştirme

Python Jeneratörleri ve Verim Açıklaması: Gerçek Örneklerle Bellekten Tasarruf Edin

Python üreteçleri ve verim, çalıştırdığımız kodla açıklandı: nasıl duraklatılır ve devam ettirilir, ölçülen bellek tasarrufları, işlem hatları, sons…

Makaleyi okuyun →
Yapay zekâ

Gömmeler Nelerdir? Vektörler ve Kosinüs Benzerliği Basitçe Açıklandı

Gömmeler nedir? Vektörler, kosinüs benzerliği ve anlamsal aramaya ilişkin sade dilli bir kılavuz; çalıştırdığımız küçük bir örnek, yaygın kullanımla…

Makaleyi okuyun →
DevOps

Mavi-Yeşil ve Kanarya Konuşlandırılması: Farklılıklar, Takaslar ve Nasıl Seçilir

Mavi-yeşil ve kanarya konuşlandırması açıklandı: her birinin nasıl çalıştığı, maliyet, risk ve geri alma, test ettiğimiz istikrarlı kullanıcı grubu,…

Makaleyi okuyun →
Test otomasyonu

Kesintili Testler: Bunların Sebepleri ve Nasıl Düzeltileceği

Yaptığımız demolarla açıklanan hatalı testler: ana nedenler, birinin nasıl doğrulanacağı ve teşhis edileceği, zamanlama için uygun düzeltmeler, payl…

Makaleyi okuyun →
Yazılım testi

Yük Testi ve Stres Testi: Farklılıklar, Metrikler ve k6 Örnekleri

Yük testi ve stres testinin açıklaması: her birinin neyi kanıtladığı, ani yükselme ve soğuma testleri, önemli ölçümler, ortalamaların neden yanıltıc…

Makaleyi okuyun →
Yazılım testi

Test Senaryosu ve Test Senaryosu: Temel Farklılıklar, Örnekler ve Her Biri Ne Zaman Kullanılmalı?

Test senaryosu ve test senaryosunun açıklaması: net tanımlar, yan yana tablo, senaryolardan vakalara, şablonlara ve her birinin ne zaman kullanılaca…

Makaleyi okuyun →
Veritabanları ve SQL

SQL Sorgu Optimizasyonu: Zamanlamalarla Yürütme Planlarını Okuyun ve Yavaş Sorguları Düzeltin

SQL sorgu optimizasyonu bir milyon satırda test edilmiştir: yürütme planlarını okuyun, doğru dizinleri ekleyin, değiştirilemeyen filtreleri düzeltin…

Makaleyi okuyun →
Veritabanları ve SQL

SQL UNION ve UNION ALL: Farklılıklar, Örnekler ve Test Edilmiş Performans

SQL UNION ve UNION ALL, yürüttüğümüz sorgularla açıklandı: kopyalar, her ikisinin de takip ettiği kurallar, gerçek bir veri hatası, ölçülen performa…

Makaleyi okuyun →
Yazılım geliştirme

JavaScript Fetch API Eğitimi: GET, POST, Hata İşleme ve Zaman Aşımları

Yerel bir sunucuya karşı test edilen bir JavaScript Fetch API öğreticisi: GET ve POST, 404'ün neden atmadığı, yeniden kullanılabilir bir yardımcı, s…

Makaleyi okuyun →
Yazılım geliştirme

Python Dosya İşleme: Örneklerle Okuma, Yazma, CSV, JSON ve pathlib

Python dosya işleme, çalıştırdığımız kodla açıklanmıştır: açık modlar, büyük dosyaları okuma, CSV, JSON, pathlib, ikili dosyalar, güvenli yazma, hat…

Makaleyi okuyun →
Yazılım geliştirme

Python Sınıfları ve Nesneleri: Gerçek Örneklerle OOP Eğitimi

Çalıştırdığımız kodla açıklanan Python sınıfları ve nesneleri: __init__, yöntemler, sınıf ve örnek nitelikleri, kalıtım, özellikler, dunder yöntemle…

Makaleyi okuyun →
Yapay zekâ

Büyük Dil Modeli Nedir? Yüksek Lisans'ların Nasıl Çalıştığı, Abartmadan Açıklanıyor

Büyük dil modeli nedir? LLM'ler sade bir dille açıklandı: belirteçler, yerleştirmeler, dikkat, eğitim, sıcaklık ve bağlam pencereleri, küçük bir son…

Makaleyi okuyun →
DevOps

Yeni Başlayanlar İçin Linux Komutları: Örneklerle Temel Terminal Kılavuzu

Yeni başlayanlar için göreve göre gruplandırılmış Linux komutları: pratik bir günlük analizi örneğiyle gezinme, dosyalar, günlükleri görüntüleme, gr…

Makaleyi okuyun →
Test otomasyonu

Selenyum ve Oyun Yazarı: Temel Farklılıklar, Karşılaştırılan Kod ve Hangisinin Seçileceği

Selenium ve Playwright karşılaştırması: mimari, bekleme, tarayıcı ve dil desteği, hata ayıklama, her iki araçta da aynı test, geçiş tavsiyesi ve nas…

Makaleyi okuyun →
Yazılım testi

Eşdeğerlik Bölümleme: Test Tasarımı Tekniğinin Çalışılmış Örneklerle Açıklanması

Eşdeğerlik bölümlemenin açıklaması: geçerli ve geçersiz bölümlerin nasıl bulunacağı, yaşlara yönelik çalışılmış örnekler, şifreler ve kuponlar, yürü…

Makaleyi okuyun →
Yazılım testi

Yazılım Testinde Şiddet ve Öncelik: Farklılıklar, Matris ve Gerçek Örnekler

Yazılım testinde önem ve önceliğin açıklanması: net tanımlar, örnekler içeren dört yönlü bir matris, seviye ölçekleri, her birini kimin belirlediği …

Makaleyi okuyun →
Veritabanları ve SQL

SQL Alt Sorguları Eğitimi: Türler, İlişkili Alt Sorgular ve Örneklerle EXISTS

Çalıştırdığımız sorguları içeren bir SQL alt sorgu eğitimi: skaler, IN, FROM ve SELECT alt sorguları, ilişkili alt sorgular, EXISTS, NOT IN NULL tuz…

Makaleyi okuyun →
Veritabanları ve SQL

SQL İşlemleri ve ACID Açıklaması: COMMIT, ROLLBACK ve İzolasyon Seviyeleri

SQL işlemleri ve ACID, yürüttüğümüz bir banka transferiyle açıklandı: COMMIT, ROLLBACK, kayıt noktaları, kilitler, izolasyon seviyeleri, kirli okuma…

Makaleyi okuyun →
Yazılım geliştirme

Git Komutları Hile Sayfası: Gerçekte Kullandığınız Komutlar, Örneklerle

Git komutları göreve göre gruplandırılmış kısa bilgiler sayfası: kurulum, aşamalandırma, dallar, uzaktan kumandalar, saklama, geçmiş ve gerçek bir d…

Makaleyi okuyun →
Yazılım geliştirme

JavaScript Vaatlerinin Açıklaması: ardından, catch, Promise.all ve Yaygın Hatalar

Çalıştırdığımız kodla açıklanan JavaScript vaatleri: durumlar, ardından ve yakalama zincirleri, hata yönetimi, Promise.all, allSettled, yarış ve her…

Makaleyi okuyun →
Yazılım geliştirme

Python Sözlüğü Eğitimi: Yöntemler, Örnekler ve Ortak Kalıplar

Çalıştırdığımız kodları içeren bir Python sözlüğü eğitimi: dikteler oluşturma, okuma ve güncelleme, temel yöntemler, birleştirme, kavramalar, sayma …

Makaleyi okuyun →
Yapay zekâ

RAG Nedir? Geri Almayla Artırılmış Üretim Bir Çalışma Örneğiyle Açıklanıyor

RAG nedir? Almayla artırılmış oluşturma adım adım açıklanmıştır: indeksleme, parçalama, yerleştirmeler, alma, çalışan küçük bir Python örneği, değer…

Makaleyi okuyun →
DevOps

Yeni Başlayanlar İçin Terraform Eğitimi: İlk Dosyadan Modüllere Kod Olarak Altyapı

Yeni başlayanlar için bir Terraform eğitimi: Bulut hesabı olmadan başlayın, başlatmayı öğrenin, planlayın ve uygulayın, ardından değişkenler, çıktıl…

Makaleyi okuyun →
DevOps

Docker ve Kubernetes: Temel Farklılıklar, Birlikte Nasıl Çalıştıkları ve İhtiyacınız Olanlar

Docker ve Kubernetes şöyle açıkladı: Her birinin ne yaptığı, her ikisinde de aynı uygulamanın çalıştırılması, Docker Compose ve Swarm'ın karşılaştır…

Makaleyi okuyun →
Test otomasyonu

Yeni Başlayanlar İçin Pytest Eğitimi: Fikstürler, Parametrelendirme ve Gerçek Örnekler

Yeni başlayanlar için pytest 9.2'de yürüttüğümüz testleri içeren bir pytest öğreticisi: iddialar, fikstürler, parametrelendirme, yarışma, işaretleyi…

Makaleyi okuyun →
Yazılım testi

Yazılım Test Yaşam Döngüsü (STLC): 6 Aşama, Giriş ve Çıkış Kriterleri, Örnek

Yazılım testi yaşam döngüsü şunları açıkladı: giriş ve çıkış kriterleri, teslimatlar, çalışılmış bir oturum açma özelliği örneği, Agile'da STLC ve S…

Makaleyi okuyun →
Yazılım geliştirme

Git merge vs rebase: farklar, örnekler ve hangisi ne zaman kullanılır

Git merge vs rebase; gerçek log çıktısı, karşılaştırma tablosu, rebase'in altın kuralı ve güvenli bir ekip iş akışıyla anlatılıyor.

Makaleyi okuyun →
Yazılım geliştirme

Python Liste Üreteci (List Comprehension): Sözdizimi, Örnekler ve Kaçınılacak Durumlar

Python list comprehension anlatımı: sözdizimi, filtreleme, if-else, iç içe döngüler, ölçülmüş süreler ve düz for döngüsünün daha iyi olduğu durumlar.

Makaleyi okuyun →
Veritabanları ve SQL

SQL JOIN Örneklerle Açıklama (Inner, Left, Right, Full)

SQL JOIN'leri örnek tablolar ve sorgularla adım adım öğrenin: INNER, LEFT, RIGHT, FULL, CROSS ve SELF; yaygın hatalar ve performans ipuçları.

Makaleyi okuyun →